API 文件

基礎 URL 與驗證

使用您的 API 金鑰立即存取無限制 LLM。所有請求都需要在 Authorization 標頭中包含有效的 bearer token。我們不對身份驗證失敗或模型路由錯誤收費。

使用 base URL https://api.deepseekapiprices.com/v1 使用任何標準 OpenAI SDK。您的金鑰提供對 uncensored 模型。註冊無需電話號碼，且在建立帳戶後會立即顯示金鑰。

驗證範例

替換 your-api-key 搭配您的實際金鑰。伺服器會在處理您的請求之前驗證 token。

首次請求

發送簡單的聊天完成請求以測試連線能力和回應品質。該端點回傳文字於 choices[0].message.content 欄位。我們支援函式呼叫與 JSON 模式以產生結構化輸出。

• 模型 ID： uncensored
• 端點： POST /v1/chat/completions
• 最大輸出：16,000 個 Token

下方的請求演示了一個基本提示。請確保您的 API 金鑰正確，以避免 401 錯誤。

Copycurl https://api.deepseekapiprices.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Translate this technical documentation to German"}]
  }'

驗證回應結構符合 OpenAI 標準。這確保您可以更換供應商而無需重寫應用程式邏輯。

Python SDK 集成

安裝官方 OpenAI 套件並設定基礎 URL。此方法適用於標準 openai Python 函式庫。您只需調整客戶端設定。

• 基礎 URL： https://api.deepseekapiprices.com/v1
• API Key：透過環境變數或建構子設定
• 模型： uncensored

以下程式碼片段展示了最小設定。它處理請求並輸出內容。錯誤會以標準的 OpenAI 異常形式拋出。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.deepseekapiprices.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

這種方法非常適合後端服務和腳本。它與現有代碼庫保持兼容。

Node SDK 設置

配置 Node.js 客戶端並使用自定義 base URL。這允許您使用標準 openai 套件。設定與其他 OpenAI 相容服務相同。

• 基礎 URL： https://api.deepseekapiprices.com/v1
• 套件： openai (npm)
• 模型： uncensored

使用以下程式碼初始化客戶端。這可確保所有請求正確路由。然後您可以呼叫 chat.completions.create 如常。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekapiprices.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

適當處理錯誤以管理速率限制或信用額度不足。SDK 會為 API 問題拋出標準錯誤。

串流與 token 使用量

啟用串流以即時交付 Token。將 stream: true 在您的請求參數中。API 隨著生成回傳資料區塊。Token 使用詳情出現在最後一個區塊中。

• 串流：支援 SSE
• Token 使用：提供於最後一個區塊
• 參數： temperature, top_p, stop

串流處理可降低長回應的感知延遲。這對於聊天介面至關重要。以下範例展示了串流設定。

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

解析串流以逐步更新 UI。這能顯著改善使用者體驗。

速率限制與上下文視窗

遵守每支金鑰每分鐘 300 個請求的限制。您可以同時擁有 8 個併發請求。請求主體不得超過 8 MB。錯誤和拒絕是免費的，因此速率限制僅適用於成功的請求。

該模型支援 100,000 token 的上下文視窗。這包括提示詞與補全 token。此功能適用於長文件或擴展對話。以下表格總結了限制。

限制	價值
每分鐘請求數	300
並行請求	8
最大請求主體	8 MB
上下文視窗	100,000 tokens

超出這些限制會返回 429 錯誤。謹慎增加併發性以避免限流。